CN110441702B - 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 - Google Patents
一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 Download PDFInfo
- Publication number
- CN110441702B CN110441702B CN201910703953.7A CN201910703953A CN110441702B CN 110441702 B CN110441702 B CN 110441702B CN 201910703953 A CN201910703953 A CN 201910703953A CN 110441702 B CN110441702 B CN 110441702B
- Authority
- CN
- China
- Prior art keywords
- voltage
- value
- charging
- unit time
- lithium ion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007600 charging Methods 0.000 title claims abstract description 61
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium Ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 51
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 51
- 238000001914 filtration Methods 0.000 title claims abstract description 39
- 238000010281 constant-current constant-voltage charging Methods 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 6
- 238000010280 constant potential charging Methods 0.000 claims description 4
- 238000010277 constant-current charging Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000630 rising Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000875 corresponding Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000001537 neural Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Abstract
本发明公开了一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法，包括以下步骤：初始化，输入锂离子电池出厂信息；测量锂离子电池内阻，作为扩展卡尔曼滤波计算内阻值；测量锂离子电池的开路电压，计算充电启动前的SOC值，作为扩展卡尔曼滤波的初始SOC值；启动恒流恒压充电过程，并每隔一段时间监视电压、电流数据，利用电压、电流通过扩展卡尔曼滤波计算SOC值；充电完成后关闭流水灯，让显示的SOC值变为1；记录这次电池充电过程的数据，用于电池标准容量校正，提高下一次充电SOC估算精度。本发明SOC估计效果比安时积分更加精确，并且解决了安时积分积累误差问题，锂离子电池内阻模型简单，算法计算量小，能够实现普及化。
Description
技术领域
本发明涉及电池充电管理领域，特别涉及一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法。
背景技术
锂离子电池被发明后已被普遍地运用在现代设备的移动储能单元中，对锂离子电池充电的SOC估计已经成为众多学者研究的热点。有开路电压法、安时积分法、卡尔曼滤波相关方法、神经网络法等，但这些方法大多存在一些问题，比如安时积分法的计算结构精度不高，并且存在累计误差问题。
锂离子电池内阻和SOC有紧密的关系，准确地估计锂离子电池的内阻能大幅度提高算法的精确度。锂离子充电不一定都是从SOC＝0开始的，充电前校准是很重要的。锂离子电池的标准容量会随着环境温度和充电循环次数衰退或增加。但是两次临近的充电数据的相似性较高，而且上一次成功的充电过程数据能成为下一次充电过程的校准数据。
发明内容
为了解决上述技术问题，本发明提供一种算法简单、计算精度高的用扩展卡尔曼滤波估算锂离子电池充电电量的方法。
本发明解决上述问题的技术方案是：一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法，是基于充电桩实现的，充电桩包括电流电压传感器、CPU模块、显示屏、恒流恒压充电模块、数据接口模块、流水灯、存储器，恒流恒压充电模块与锂离子电池连接，电流电压传感器与锂离子电池、CPU模块连接，电流电压传感器采集锂离子电池的电流和电压信号并将采集到的信号送入CPU模块，CPU模块与显示屏、数据接口模块、流水灯、存储器连接，其特征在于，所述方法包括以下步骤：
步骤一：初始化，通过数据接口模块输入锂离子电池出厂信息；
步骤二：采用脉冲测量锂离子电池内阻，测得内阻将作为扩展卡尔曼滤波计算内阻值；
步骤三：测量锂离子电池的开路电压，用开路电压计算充电前的剩余SOC值，剩余的SOC值作为扩展卡尔曼滤波的初始SOC值；
步骤四：通过恒流恒压充电模块启动恒流恒压充电过程，并每隔一段时间监视电压、电流数据，利用电压、电流通过扩展卡尔曼滤波计算SOC值；
步骤五：充电完成后关闭流水灯，让显示的SOC值变为1；记录这次电池充电过程的数据，用于电池标准容量校正，提高下一次充电SOC估算精度。
上述用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，所述步骤一中，锂离子电池出厂信息包括电池容量、开路电压曲线、最高截止电压、最低截止电压、电池报废标准以数组方式一次性输入。
上述用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，所述步骤一中，电池容量等于最近一次完整充电电量。
上述用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，所述步骤二中，内阻的测量使用脉冲实验测得，在某一段SOC，使用充电脉冲测定内阻，内阻＝(脉冲电压-稳定电压)/脉冲电流，测得内阻作为扩展卡尔曼滤波计算内阻值。
上述用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，所述步骤三中，开路电压曲线为：
Uoc[soc]表示开路电压曲线的电压值和soc之间的函数关系，使用n次方方程组对开路电压曲线的拟合；ai是i次方自变量soc的系数；b是常数项；
k表示第k个单位时间；是第k个单位时间电压表应该测到的值，Uoc[SOC(k)]是第k个单位时间的开路电压，I(k)是第k个单位时间所测电流值；D为内阻分压参数，即为步骤二所测电阻值。
上述用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，所述步骤四中，扩展卡尔曼滤波的算法包括的主要步骤为：
4-1)建立卡尔曼状态方程和测量方程，进行安时积分步骤：对测量得到的电流值进行安时积分；
卡尔曼状态方程为：
SOC(k+1)为第k+1个单位时间电池的剩余电量，ΔT为采样单位时间，QN为电池容量，η为充电效率理想，η最大值为100％，I(k)为第k个单位时间所测电流值，ω(k)为第k个单位时间的状态噪声；
卡尔曼观测方程为：
UL(k)＝Uoc[SOC(k)]-R0*I(k)+ν(k)
其中：UL(k)是第k个单位时间应该观测到的电压，R0是内阻，I(k)为第k个单位时间所测电流值，ν(k)为第k个单位时间的观测噪声；
安时积分公式为：
其中：为安时积分后第k个单位时间的电量值，A为状态转移矩阵，A＝1，为第k个单位时间电池估计电量值，B为安时积分参数，
4-2)计算开路电压：使用步骤4-1)得到的计算值得到开路电压的预测值
开路电压公式为：
其中：是在第k个单位时间的开路电压估计值，D为内阻分压参数D＝R0；是安时积分后第k个单位时间开路电压；
4-3)计算预测协方差：使用前一次迭代循环的预测协方差计算本次迭代的计算协方差
计算协方差为：
其中：AT为矩阵A的转置，Q为状态方程噪声统计方差,表示第k个单位时间的预测协方差值，表示第k个单位时间计算平均后的计算协方差值；
4-4)计算滤波增益：利用步骤4-3)计算的预测协方差得到卡尔曼增益K；
滤波增益矩阵为：
其中：K(k)为第k个单位时间的卡尔曼增益，C为观测矩阵，CT为矩阵C的转置，R为观测方程噪声统计方差；
4-5)计算得到滤波结果：使用步骤4-2)得到的开路电压预测值步骤4-4)的卡尔曼增益K和所测量的到的电压值计算出扩展卡尔曼滤波结果，滤波结果就是算法得到的SOC值；
滤波结果为：
UL(k)为第k个单位时间所测电压值，卡尔曼算法参考电压后预测下一步的电量值；
4-6)根据步骤4-4)得到的卡尔曼增益K和步骤4-3)得到的计算协方差计算得到下一个迭代循环的预测协方差本次迭代至此结束，扩展卡尔曼步骤进入下个循环；
更新预测协方差阵的公式为：
上述用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，，所述步骤四中，首先采用恒流充电，达到最高截止电压时采用恒压充电，直至电流小于截止电流时充电完成。
本发明的有益效果在于：本发明提供一种用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，算法开始前将测量电池各种参数，从而精确确定扩展卡尔曼滤波所需要的各种初始化参数，算法中采用锂离子电池内阻模型，在充电时使用扩展卡尔曼滤波解决SOC估算问题，完整的充电过程数据会被记录下来，用来校正下一次充电参数的选择，从而达到不断跟踪锂离子电池状态。本发明SOC估计效果比安时积分更加精确，并且解决了安时积分积累误差问题，锂离子电池内阻模型简单，算法计算量小，能很容易移植到微处理器中，然后嵌入到各种电子电路中，能够实现普及化。
附图说明
图1为本发明充电桩的结构框图。
图2为本发明用扩展卡尔曼滤波估算锂离子电池剩余电量的方法的流程图。
图3为本发明扩展卡尔曼算法的流程图。
图4为锂离子电池测内阻的脉冲数据图。
图5为拟合开路电压曲线图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1所示，充电桩包括电流电压传感器、CPU模块、显示屏2、恒流恒压充电模块、数据接口模块1、流水灯4、存储器，恒流恒压充电模块与锂离子电池3连接，电流电压传感器与锂离子电池3、CPU模块连接，电流电压传感器采集锂离子电池3的电流和电压信号并将采集到的信号送入CPU模块，CPU模块与显示屏2、数据接口模块1、流水灯4、存储器连接。
恒流恒压充电模块：采用充电芯片，保证输入电流符合工业充电标准。充电最高截止电压为4.2v，最低截止电压为2.75v。首先采用恒流充电，达到最高截止电压时采用恒压充电，直至电流小于截止电流时充电结束。
数据接口模块1：输入锂离子电池3出厂批次信息，本次充电前的电压，内阻和上次充电的信息。电池出厂信息包括标准容量和开路电压曲线。本次充电前的电压将用来计算初始SOC量，此时的内阻将会被测量出来带入扩展卡尔曼滤波，上次充电的信息主要包括电池真实可用容量。传感器的数据能通过模拟通道最快速最精确的传递到AD转换芯片，并迅速转换成数字信号传递到CPU芯片进行运算。保证数据的实时性，精确性，避免噪声干扰和延时。
CPU模块：整个系统的计算与控制中心，扩展卡尔曼算法在CPU模块运行。显示屏2和流水灯4由CPU模块控制，对外接口通信和储存操作也由CPU模块执行完成。
显示屏2和流水灯4：SOC的数据显示和充电状态显示，采用最简单的八段显示器和led流水灯列用来展示充电运行状态。
存储器：电池所有信息记录的总和处，电池是否可以报废由这些信息决定。这些信息记载在可擦除掉电保护的flash上，并配有与DSP数据交换的接口。这些信息也可以通过PLC寄存器，传到工控触屏板记录下来。
如图2所示，一种用扩展卡尔曼滤波估算锂离子电池剩余电量的方法，包括以下步骤：
步骤一：初始化，通过数据接口模块输入锂离子电池出厂信息。
锂离子电池出厂信息包括电池容量、开路电压曲线、最高截止电压、最低截止电压、电池报废标准。电池容量等于最近一次完整充电电量。
步骤二：采用脉冲测量锂离子电池内阻，测得内阻将作为扩展卡尔曼滤波计算内阻值。
内阻的测量使用脉冲实验测得，在某一段SOC，使用充电脉冲测定内阻，内阻＝(脉冲电压-稳定电压)/脉冲电流，测得内阻作为扩展卡尔曼滤波计算内阻值。图4中，电流是矩形脉冲。电压上升弧型阶段是极化电容造成，电压平稳缓慢上升是充电导致。在脉冲电流合适时，取弧形段结束时的电压为脉冲电压。
步骤三：测量锂离子电池的开路电压，用开路电压计算剩余的SOC值，剩余的SOC值作为扩展卡尔曼滤波的初始SOC值。
开路电压曲线为：
Uoc[soc]表示开路电压曲线的电压值和soc之间的函数关系，使用n次方方程组对开路电压曲线的拟合；ai是i次方自变量soc的系数；b是常数项。拟合方法包括可以采用插值，最小二乘法，矩阵求解或自行参数调节。对应图5例：
Uoc＝7.71278*cos1-30.7414soc2+61.76354*soc3-57.24479soc4+19.95312soc5+2.7498
k表示第k个单位时间；是第k个单位时间电压表应该测到的值，Uoc[SOC(k)]是第k个单位时间的开路电压，I(k)是第k个单位时间所测电流值；D为内阻分压参数，即为步骤二所测电阻值。
步骤四：通过恒流恒压充电模块启动恒流恒压充电过程，并每隔一段时间监视电压、电流数据，利用电压、电流通过扩展卡尔曼滤波计算SOC值。
恒流恒压充电过程为：首先采用恒流充电，达到最高截止电压时采用恒压充电，直至电流小于截止电流时充电完成。
扩展卡尔曼滤波的算法步骤为：
4-1)建立卡尔曼状态方程和测量方程，进行安时积分步骤：对测量得到的电流值进行安时积分；
卡尔曼状态方程为：
SOC(k+1)为第k+1个单位时间电池的剩余电量，ΔT为采样单位时间，QN为电池容量，η为充电效率理想，η最大值为100％，I(k)为第k个单位时间所测电流值，ω(k)为第k个单位时间的状态噪声；
卡尔曼观测方程为：
UL(k)＝Uoc[SOC(k)]-R0*I(k)+ν(k)
其中：UL(k)是第k个单位时间应该观测到的电压，R0是内阻，I(k)为第k个单位时间所测电流值，ν(k)为第k个单位时间的观测噪声；
安时积分公式为：
其中：为安时积分后第k个单位时间的电量值，A为状态转移矩阵，A＝1，为第k个单位时间电池估计电量值，B为安时积分参数，
4-2)计算开路电压：使用步骤4-1)得到的计算值得到开路电压的预测值
开路电压公式为：
其中：是在第k个单位时间的开路电压估计值，D为内阻分压参数D＝R0；是安时积分后第k个单位时间开路电压；
4-3)计算预测协方差：使用前一次迭代循环的预测协方差计算本次迭代的计算协方差
计算协方差为：
其中：AT为矩阵A的转置，Q为状态方程噪声统计方差,表示第k个单位时间的预测协方差值，表示第k个单位时间计算平均后的计算协方差值；
4-4)计算滤波增益：利用步骤4-3)计算的预测协方差得到卡尔曼增益K；
滤波增益矩阵为：
其中：K(k)为第k个单位时间的卡尔曼增益，C为观测矩阵，CT为矩阵C的转置，R为观测方程噪声统计方差；
4-5)计算得到滤波结果：使用步骤4-2)得到的开路电压预测值步骤4-4)的卡尔曼增益K和所测量的到的电压值计算出扩展卡尔曼滤波结果，滤波结果就是算法得到的SOC值；
滤波结果为：
UL(k)为第k个单位时间所测电压值，卡尔曼算法参考电压后预测下一步的电量值；
4-6)根据步骤4-4)得到的卡尔曼增益K和步骤4-3)得到的计算协方差计算得到下一个迭代循环的预测协方差本次迭代至此结束，扩展卡尔曼步骤进入下个循环；
更新预测协方差阵的公式为：
步骤五：充电完成后关闭流水灯，让显示的SOC值变为1；记录这次电池充电过程的数据，用于电池标准容量校正，提高下一次充电SOC估算精度。
Claims (5)
1.一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法，是基于充电桩实现的，充电桩包括电流电压传感器、CPU模块、显示屏、恒流恒压充电模块、数据接口模块、流水灯、存储器，恒流恒压充电模块与锂离子电池连接，电流电压传感器与锂离子电池、CPU模块连接，电流电压传感器采集锂离子电池的电流和电压信号并将采集到的信号送入CPU模块，CPU模块与显示屏、数据接口模块、流水灯、存储器连接，其特征在于，所述方法包括以下步骤：
步骤一：初始化，通过数据接口模块输入锂离子电池出厂信息；
步骤二：采用脉冲测量锂离子电池内阻，测得内阻将作为扩展卡尔曼滤波计算内阻值；
步骤三：测量锂离子电池的开路电压，用开路电压计算充电前的剩余SOC值，剩余的SOC值作为扩展卡尔曼滤波的初始SOC值；
开路电压曲线为：
Uoc[soc]表示开路电压曲线的电压值和soc之间的函数关系，使用n次方方程组对开路电压曲线的拟合；ai是i次方自变量soc的系数；b是常数项；
k表示第k个单位时间；是第k个单位时间电压表应该测到的值，Uoc[SOC(k)]是第k个单位时间的开路电压，I(k)是第k个单位时间所测电流值；D为内阻分压参数，即为步骤二所测电阻值；
步骤四：通过恒流恒压充电模块启动恒流恒压充电过程，并每隔一段时间监视电压、电流数据，利用电压、电流通过扩展卡尔曼滤波计算SOC值；
扩展卡尔曼滤波的算法包括的主要步骤为：
4-1)建立卡尔曼状态方程和测量方程，进行安时积分步骤：对测量得到的电流值进行安时积分；
卡尔曼状态方程为：
SOC(k+1)为第k+1个单位时间电池的剩余电量，ΔT为采样单位时间，QN为电池容量，η为充电效率理想，η最大值为100％，I(k)为第k个单位时间所测电流值，ω(k)为第k个单位时间的状态噪声；
卡尔曼观测方程为：
UL(k)＝Uoc[SOC(k)]-R0*I(k)+ν(k)
其中：UL(k)是第k个单位时间应该观测到的电压，R0是内阻，I(k)为第k个单位时间所测电流值，ν(k)为第k个单位时间的观测噪声；
安时积分公式为：
其中：为安时积分后第k个单位时间的电量值，A为状态转移矩阵，A＝1，为第k个单位时间电池估计电量值，B为安时积分参数，
4-2)计算开路电压：使用步骤4-1)得到的计算值得到开路电压的预测值
开路电压公式为：
其中：是在第k个单位时间的开路电压估计值，D为内阻分压参数D＝R0；是安时积分后第k个单位时间开路电压；
4-3)计算预测协方差：使用前一次迭代循环的预测协方差计算本次迭代的计算协方差
计算协方差为：
其中：AT为矩阵A的转置，Q为状态方程噪声统计方差,表示第k个单位时间的预测协方差值，表示第k个单位时间计算平均后的计算协方差值；
4-4)计算滤波增益：利用步骤4-3)计算的预测协方差得到卡尔曼增益K；
滤波增益矩阵为：
其中：K(k)为第k个单位时间的卡尔曼增益，C为观测矩阵，CT为矩阵C的转置，R为观测方程噪声统计方差；
4-5)计算得到滤波结果：使用步骤4-2)得到的开路电压预测值步骤4-4)的卡尔曼增益K和所测量的到的电压值计算出扩展卡尔曼滤波结果，滤波结果就是算法得到的SOC值；
滤波结果为：
UL(k)为第k个单位时间所测电压值，卡尔曼算法参考电压后预测下一步的电量值；
4-6)根据步骤4-4)得到的卡尔曼增益K和步骤4-3)得到的计算协方差计算得到下一个迭代循环的预测协方差本次迭代至此结束，扩展卡尔曼步骤进入下个循环；
更新预测协方差阵的公式为：
步骤五：充电完成后关闭流水灯，让显示的SOC值变为1；记录这次电池充电过程的数据，用于电池标准容量校正，提高下一次充电SOC估算精度。
2.根据权利要求1所述的用扩展卡尔曼滤波估算锂离子电池充电电量的方法，其特征在于，所述步骤一中，锂离子电池出厂信息包括电池容量、开路电压曲线、最高截止电压、最低截止电压、电池报废标准以数组方式一次性输入。
3.根据权利要求2所述的用扩展卡尔曼滤波估算锂离子电池充电电量的方法，其特征在于，所述步骤一中，电池容量等于最近一次完整充电电量。
4.根据权利要求1所述的用扩展卡尔曼滤波估算锂离子电池充电电量的方法，其特征在于，所述步骤二中，内阻的测量使用脉冲实验测得，在某一段SOC，使用充电脉冲测定内阻，内阻＝(脉冲电压-稳定电压)/脉冲电流，测得内阻作为扩展卡尔曼滤波计算内阻值。
5.根据权利要求1所述的用扩展卡尔曼滤波估算锂离子电池充电电量的方法，其特征在于，所述步骤四中，首先采用恒流充电，达到最高截止电压时采用恒压充电，直至电流小于截止电流时充电完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910703953.7A CN110441702B (zh) | 2019-07-31 | 2019-07-31 | 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910703953.7A CN110441702B (zh) | 2019-07-31 | 2019-07-31 | 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110441702A CN110441702A (zh) | 2019-11-12 |
| CN110441702B true CN110441702B (zh) | 2021-09-21 |
Family
ID=68432611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910703953.7A Active CN110441702B (zh) | 2019-07-31 | 2019-07-31 | 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110441702B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112816876B (zh) * | 2020-12-28 | 2021-12-07 | 湖南航天捷诚电子装备有限责任公司 | 一种用于可充电电池的低温电池剩余电量估算方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103227491A (zh) * | 2013-04-28 | 2013-07-31 | 湘潭大学 | 用于电动车锂电池组的数据采集和能量均衡控制装置及方法 |
| CN103529398A (zh) * | 2013-10-28 | 2014-01-22 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 |
| CN104237791A (zh) * | 2013-06-20 | 2014-12-24 | 电子科技大学 | 一种锂电池荷电状态估算方法及电池管理系统和电池系统 |
| CN105223506A (zh) * | 2014-06-30 | 2016-01-06 | 崇实大学校产学协力团 | 使用双扩展卡尔曼滤波器的电池状态估计方法和系统 |
| CN105652207A (zh) * | 2015-12-31 | 2016-06-08 | 浙江华丰电动工具有限公司 | 一种动力型锂电池电量监控装置及监控方法 |
| CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
| CN107894570A (zh) * | 2017-10-23 | 2018-04-10 | 北京新能源汽车股份有限公司 | 基于Thevenin模型的电池组SOC的估算方法和装置 |
| CN108459278A (zh) * | 2018-07-05 | 2018-08-28 | 宁波均胜科技有限公司 | 一种锂离子电池内阻与荷电状态同步估算方法 |
| EP3499257A1 (en) * | 2017-12-18 | 2019-06-19 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating state of battery |
-
2019
- 2019-07-31 CN CN201910703953.7A patent/CN110441702B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103227491A (zh) * | 2013-04-28 | 2013-07-31 | 湘潭大学 | 用于电动车锂电池组的数据采集和能量均衡控制装置及方法 |
| CN104237791A (zh) * | 2013-06-20 | 2014-12-24 | 电子科技大学 | 一种锂电池荷电状态估算方法及电池管理系统和电池系统 |
| CN103529398A (zh) * | 2013-10-28 | 2014-01-22 | 哈尔滨工业大学 | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 |
| CN105223506A (zh) * | 2014-06-30 | 2016-01-06 | 崇实大学校产学协力团 | 使用双扩展卡尔曼滤波器的电池状态估计方法和系统 |
| CN105652207A (zh) * | 2015-12-31 | 2016-06-08 | 浙江华丰电动工具有限公司 | 一种动力型锂电池电量监控装置及监控方法 |
| CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
| CN107894570A (zh) * | 2017-10-23 | 2018-04-10 | 北京新能源汽车股份有限公司 | 基于Thevenin模型的电池组SOC的估算方法和装置 |
| EP3499257A1 (en) * | 2017-12-18 | 2019-06-19 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating state of battery |
| CN108459278A (zh) * | 2018-07-05 | 2018-08-28 | 宁波均胜科技有限公司 | 一种锂离子电池内阻与荷电状态同步估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 锂离子电池能量估算与转换均衡控制应用研究;李旭军;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20170215;论文正文第15-16、20-21、41-48、60页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110441702A (zh) | 2019-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105116343B (zh) | 最小二乘支持向量机的动力电池电荷状态估计方法及系统 | |
| CN111007400A (zh) | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 | |
| CN108594135A (zh) | 一种用于锂电池均衡充放电控制的soc估算方法 | |
| CN104267261B (zh) | 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法 | |
| CN105140981B (zh) | 锂电池主动均衡控制方法 | |
| CN109188293A (zh) | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 | |
| CN111142036A (zh) | 基于容量增量分析的锂离子电池在线快速容量估计方法 | |
| CN104977545A (zh) | 一种动力电池的荷电状态估计方法及系统 | |
| CN104849672A (zh) | 基于等效电路模型的锂电池动态阻抗参数识别方法 | |
| WO2021197038A1 (zh) | 确定电池荷电状态的方法及装置，电池管理系统 | |
| CN107688155B (zh) | 一种用于电池管理系统中的电池剩余容量估算方法 | |
| CN106125008A (zh) | 一种soc在线参数自修正的精确计算方法及装置 | |
| CN110441702B (zh) | 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法 | |
| CN108983109B (zh) | 用于电池的电流估算芯片、估算方法及剩余电量计量系统 | |
| CN106443496A (zh) | 一种带改进型噪声估计器的电池荷电状态估计方法 | |
| CN103135057B (zh) | 一种电池自放电性能的快速测量方法 | |
| CN111537887B (zh) | 考虑迟滞特性的混合动力系统电池开路电压模型优化方法 | |
| CN110632520A (zh) | 一种动力电池soc的估算装置及其估算方法 | |
| CN112305426B (zh) | 一种多约束条件下的锂离子电池功率状态估计系统 | |
| CN109298340B (zh) | 一种基于可变时间尺度的电池容量在线估计方法 | |
| CN106772074A (zh) | 一种带噪声估计器的电池系统荷电状态估计方法 | |
| CN112816879A (zh) | 一种用于变工况车用动力电池SoE在线估计方法 | |
| CN109061497B (zh) | 一种电池剩余电量计量系统及方法 | |
| CN110927585A (zh) | 一种基于自循环校正的锂电池soh估算系统及方法 | |
| CN113138342B (zh) | 一种基于滚动时域估计的soc在线估算方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |